Skip to content

klausdorer/ki-sommer

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

89 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

KI Sommer Schule

Das Institute for Machine Learning and Analytics (IMLA) an der Hochschule Offenburg veranstaltet auch dieses jahr wieder eine KI Sommerschule.

Termin Mo 12. - Do 15.9.2022

Täglich 9-12.30 Uhr und 13.30-17 Uhr mit Pausen.

Modus

In der Sommerschule werden die Grundlagen aktueller KI und Machine Learning Methoden vermittelt werden. Dabei legen wir großen Wert auf Praxisnähe! Knapp 50% des Kurses bestehen aus praktischen Übungen anhand von konkreten Aufgaben aus der Praxis…

Covid-19 Maßnahmen und Regeln

Derzeit planen wir mit einer Präsentzveranstaltung nach den 3G Regeln, d.h. Teilnehmer müssen geimpft, genesen oder getestet sein. Sollten sich die Rahmenbedingungen bis zum Kurs ändern, ist auch ein Wechsel auf ein reines Online-Format möglich.

Veranstaltungsorte

Der Kurs wird an der HS Offenburg durchgeführt. Kursräume und Anfahrtsbeschreibungen werden den Teilnehmern rechtzeitig mitgeteilt.

Zielgruppe

Zielgruppe sind Mitarbeiterinnen und Mitarbeiter aus Fachabteilungen oder der IT-Abteilung von Unternehmen, die über IT-Kenntnisse und grundlegende Programmierkenntnisse verfügen. Der Kurs ist für Einsteiger im Bereich KI / Machine Learning ausgelegt.

Dozenten

Prof. Dr. Klaus Dorer (HS Offenburg)

Klaus Dorer ist Leiter des Labors Autonome Systeme an der Hochschule Offenburg. Er leitet bzw. wirkt mit an verschiedenen Projekten zum Thema maschinelles Lernen wie dem Projekt Menschen Lernen Maschinelles Lernen (ML2), dem Projekt Magma, bei dem simulierte Fußballroboter lernen Fußball zu spielen (amtierende Vizeweltmeister), dem Projekt Sweaty, bei dem ein echter humanoider Roboter Fußball spielt (amtierender Weltmeister).

Prof. Dr.-Ing. Janis Keuper (HS Offenburg)

Janis Keuper leitet das "Institute for Machine Learning and Analytics" (IMLA) an der HS Offenburg. Seine Forschungsgebiete liegen in den Bereichen "Large Scale Machine Learning" / Big Data, Generativen Lernmethoden und der Sicherheit und Robustheit von KI Verfahren. In den Kurs wird er seine langjährige Erfahrung aus einer Vielzahl von Industrieprojekten mit einem sehr breiten Anwendungsspektrum einbringen.

Pfarrer Gernot Meier (ev. Landeskirche Baden)

  • to do

Prof. Dr. Daniela Oelke (HS Offenburg)

Daniela Oelke ist Professorin für Maschinelles Lernen an der Hochschule Offenburg. Ihr Forschungsschwerpunkt liegt im Bereich der Visuellen Datenanalyse und der Erklärbaren Künstlichen Intelligenz. In dem Kurs wird sie Methoden zur Verarbeitung natürlichsprachlicher Daten vorstellen.

Vorläufiges Programm

1. Tag

  • Einführung
  • Grundlegende Konzepte
  • Machine Learning mit KNIME

2. Tag

  • Algorithmen zur Klassifikation und Regression
  • Unüberwachtes Lernen
  • Ethik und Gesellschaftliche Auswirkungen von KI

3. Tag

  • Hackathon / "hands-on" Projekt

4. Tag

  • Deep Learning

Anmeldung / Kosten

Die Teilnahme am Kurs ist gebührenfrei. Auf Grund der begrenzten Teilnehmerzahl werden wir bei zu vielen Anmeldungen aber ein Auswahl treffen müssen. Z.B. kann die maximale Anzahl an Teilnehmern einer Firma festgelegt werden.

Anmeldeschluß: 9.9. EOD

FAQ

  • Welche Programmierkenntnisse werden vorrausgesetz? Teilnehmer sollten grundlegende Kenntnisse und Erfahrung im Umgang mit einer Programmiersprache wie Python, Java, C/C++, Matlab usw mitbringen. D.h. einfache Paradigmen wie Schleifen, Klassen und Datenstrukturen sollten geläufig sein.

  • Kann ich auch nur an Teilen des Kurses teilnehmen? Eher nicht. Die Einzelnen Module bauen aufeinander auf und Teilnehmer sollten an allen Modulen teilnehmen. Im Einzelfall kann natürlich mal ein Modul aus terminlichen Gründen ausgelassen werden.

Impressum / Kontakt

Prof. Dr.-Ing. Janis Keuper
Institute for Machine Learning and Analytics (IMLA)
Hochschule Offenburg
Badstr. 24
77652 Offenburg
info@ki-sommer.de

About

Webseite der KI Sommerschule

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 99.7%
  • Other 0.3%